AFAC 2026金融AI大赛落幕：近2万名选手参赛，沉淀百亿级数据集开源
第四届AFAC金融智能创新大赛总决赛8月末在上海举行，5027支队伍参赛，主办方同期开源「AFAC百万金融智能数据集」，含13万条评测样本、2000余份金融文档和130多个历届优胜方案。
AI解读：金融AI竞赛正从算法刷分转向真实业务约束。AFAC 2026的四道赛题分别考验交易行为识别、复杂文档还原、稀疏反馈下的自动化实验以及长文本动态记忆压缩，共同点是强调成本控制、可解释性和系统鲁棒性——评委和蚂蚁方面反复提到，多调用一次模型就是成倍的真实成本，Token消耗直接决定能力能否在海量用户服务中落地。主办方把2023至2025年14道赛题的沉淀——13万条评测样本、2000余份专业文档、130多个历届优胜方案——打包成开源数据集，覆盖百亿级数据条目，这让外部研究者能沿着已有方案继续推进，而不是从零开始。参赛者或企业如果想借此评估自身金融AI能力，可以留意这套数据集和赛题描述，它比单点指标更接近业务全貌；但对普通读者，这只是行业赛事，不需要任何行动。需要提醒的是，目前公开信息只说明了开源范围和构成，没有透露下载方式、授权协议或在具体业务中的效果数据。
8月末，第四届AFAC金融智能创新大赛（AFAC2026）总决赛在上海举行。据主办方数据，本届赛事吸引全球5027支队伍、近2万名选手参赛，晋级总决赛路演的比例约为百分之一。赛事联合发起方包括上海市科学技术委员会、中国计算机学会、北京大学、蚂蚁集团、GFTN全球金融与技术网络、真格基金、中国银行等30多家机构。
据赛事官方介绍，自2023年首届举办以来，AFAC大赛累计吸引全球超2万支队伍、6万名选手，覆盖600余所高校和700余家企业。在总决赛现场，主办方首次推出「会、展、赛」三位一体的路演舞台，包括主论坛、创新展区和创投资本对接环节。
四道赛题聚焦真实业务约束
AFAC2026设置四道挑战组赛题，分别侧重数据规模、反馈稀疏性、成本与上下文控制。据赛题一评审专家、中科大计算机学院副院长王超介绍，「市场参与者交易行为识别与资金流向分析」的难点在于数据规模、多样性、多模态特性和可变性显著增加，且其中一个子任务没有明确评价指标，选手面对的是开放问题。王超将评审标准归纳为「复现、解释和泛化」。
赛题二「复杂金融文档还原挑战」评审专家、复旦大学计算机科学技术学院教授张军平指出，难点在于超长表格，大部分大模型无法一次性完成识别，且金融文档没有固定模板，模型需稳定适应变化。赛题三「稀疏反馈下的自动化实验挑战」要求Agent在无法并行、预算有限的情况下完成闭环反馈；评审专家、蚂蚁集团财富保险事业群资深算法专家陈召群表示，该赛题指向Agent产业化的流程自动化和成本控制。
赛题四「金融长文本Agent的动态记忆压缩与高效问答挑战」评审专家、哈工大计算学部教授张宇表示，真正拉开差距的不是Prompt写法，而是系统的上下文控制能力。蚂蚁集团财富保险事业群财富AI Lab研发负责人徐万青对比互联网与AI的成本结构时说，AI时代新增用户会带来真实Token消耗，成本是能力本身的一部分。
百亿级金融数据集开源
本届总决赛上正式开源了「AFAC百万金融智能数据集」。据主办方介绍，该数据集沉淀自2023年至2025年的14道高价值赛题，包含13万条评测样本、2000余份专业金融文档和130多个历届优胜方案，覆盖百亿级金融科技数据条目。
赛事主办方称，数据集记录了金融AI从单模态到多模态、从单一精度预测到复杂推理、从单点模型微调到综合智能系统的演变路径，意在将多年积累的经验转化为外部研究者可用的接口。